| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-22页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·机械故障诊断技术国内外研究概况 | 第10-11页 |
| ·旋转机械故障诊断技术综述 | 第11-20页 |
| ·概述 | 第11页 |
| ·故障机理的研究 | 第11-12页 |
| ·故障特征提取技术的研究 | 第12-16页 |
| ·故障模式识别技术的研究 | 第16-19页 |
| ·故障诊断仪器设备和监测、诊断系统的研究与开发 | 第19-20页 |
| ·论文的主要研究内容 | 第20-22页 |
| 第2章 分形理论概述及分形维数算法研究 | 第22-40页 |
| ·引言 | 第22页 |
| ·分形的定义及性质 | 第22-25页 |
| ·分形的定义 | 第22-23页 |
| ·分形的性质 | 第23-25页 |
| ·分形维数及其测量方法 | 第25-30页 |
| ·长度测量及其维数的定义 | 第25-26页 |
| ·几种分形维数概述 | 第26-30页 |
| ·多重分形 | 第30-36页 |
| ·多重分形理论 | 第30-32页 |
| ·广义维数概述 | 第32-33页 |
| ·广义维数算法概述 | 第33-34页 |
| ·广义维数D_q 的计算方法 | 第34-36页 |
| ·模拟信号分形维数算例分析 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第3章 基于分形维数的轴承故障诊断方法研究 | 第40-53页 |
| ·引言 | 第40-41页 |
| ·振动信号的分形诊断分类原理 | 第41-42页 |
| ·分类原理概述 | 第41页 |
| ·维数相关性判断法 | 第41-42页 |
| ·广义维数序列单值优化逼近判断法 | 第42页 |
| ·分形维数在滚动轴承故障诊断中的应用 | 第42-51页 |
| ·滚动轴承故障诊断实验系统 | 第42-44页 |
| ·滚动轴承的分形维数故障诊断 | 第44-51页 |
| ·小结 | 第51-53页 |
| 第4章 基于AR模型和径向基函数神经网络的轴承故障诊断方法研究 | 第53-66页 |
| ·引言 | 第53-54页 |
| ·径向基函数神经网络 | 第54-57页 |
| ·RBF网络模型 | 第54页 |
| ·RBF学习规则 | 第54-55页 |
| ·RBF网络学习算法 | 第55-57页 |
| ·AR模型 | 第57-61页 |
| ·概述 | 第57-58页 |
| ·自回归模型AR (m ) | 第58页 |
| ·滑动平均模型MA (n ) | 第58页 |
| ·自回归滑动平均模型ARM A(m ,n ) | 第58-59页 |
| ·AR模型参数的最小二乘法估计 | 第59-61页 |
| ·AR模型阶次确定 | 第61页 |
| ·AR模型在滚动轴承故障神经网络诊断中的应用 | 第61-65页 |
| ·特征提取与故障诊断原理 | 第61-63页 |
| ·滚动轴承的RBF神经网络故障诊断 | 第63-65页 |
| ·小结 | 第65-66页 |
| 第5章 基于小波和径向基函数神经网络的轴承故障诊断方法研究 | 第66-81页 |
| ·引言 | 第66-67页 |
| ·小波理论 | 第67-72页 |
| ·小波分析 | 第67-68页 |
| ·多分辨率分析 | 第68-70页 |
| ·小波包分析 | 第70-71页 |
| ·小波和小波包分解的信号重构 | 第71页 |
| ·小波分解和小波包分解的直观表示 | 第71-72页 |
| ·小波包降噪处理及信号特征提取 | 第72-77页 |
| ·信号的小波包阈值降噪处理 | 第72-73页 |
| ·信号的小波包能量特征提取 | 第73-74页 |
| ·信号小波包降噪、特征提取实例 | 第74-77页 |
| ·小波神经网络在滚动轴承故障诊断中的应用 | 第77-80页 |
| ·小结 | 第80-81页 |
| 第6章 基于统计学习理论和支持向量机的轴承故障诊断方法研究 | 第81-100页 |
| ·引言 | 第81-82页 |
| ·机器学习及统计学习理论 | 第82-87页 |
| ·机器学习问题的基本理论 | 第82-84页 |
| ·统计学习理论 | 第84-87页 |
| ·支持向量机 | 第87-94页 |
| ·概述 | 第87页 |
| ·最优分类超平面 | 第87-90页 |
| ·支持向量机分类算法推导 | 第90-91页 |
| ·核函数 | 第91-92页 |
| ·支持向量机算法研究 | 第92-94页 |
| ·支持向量机在滚动轴承故障诊断中的应用 | 第94-97页 |
| ·支持向量机和径向基函数神经网络在轴承故障诊断中的应用对比 | 第97-98页 |
| ·小结 | 第98-100页 |
| 第7章 基于主元分析和支持向量机的轴承故障诊断方法研究 | 第100-109页 |
| ·引言 | 第100-101页 |
| ·主元分析 | 第101-103页 |
| ·主元分析用于滚动轴承故障特征提取 | 第103-105页 |
| ·主元分析和支持向量机在滚动轴承故障诊断中的应用 | 第105-108页 |
| ·支持向量机的多类分类 | 第105-106页 |
| ·主元分析在SVM多类分类中的应用 | 第106-108页 |
| ·小结 | 第108-109页 |
| 第8章 结论与展望 | 第109-113页 |
| ·结论 | 第109-111页 |
| ·展望 | 第111-113页 |
| 参考文献 | 第113-122页 |
| 攻读博士学位期间发表的学术论文及科研成果 | 第122-123页 |
| 致谢 | 第123-124页 |
| 摘要 | 第124-127页 |
| ABSTRACT | 第127-130页 |
